如何从网页中的 link 中读取 url 参数的内容？

Question

我目前正在使用 HtmlAgilityPack 创建一个 C# 控制台应用程序，我试图在其中获取网页上 link 的参数值。所以基本上我有一个网页，在那个网页上有一堆 links。其中一个 link 有一个名为“&pagenumber=[some number]”的参数。我想要得到的是 &pagenumber= 之后的值，并将其保存到一个 int 变量中。

步骤：

转到网站 (http://forum.tibia.com/forum/?action=board&boardid=25&threadage=-1)
在页面底部的 url 中查找文本 "Last Page"：

<a href="http://forum.tibia.com/forum/?action=board&boardid=25&threadage=-1&pageitems=30&pagenumber=974">Last Page</a>

从"pagenumber"中获取参数值（在本例中为“974”）
保存到整型变量

到目前为止我的代码：

string PageLink = "http://forum.tibia.com/forum/?action=board&boardid=25&threadage=-1";
Task.Run(async () =>
{
    using (var client = new HttpClient())
    {
        // Load the html of the page
        var html = await client.GetStringAsync(PageLink);
        var document = new HtmlAgilityPack.HtmlDocument();
        document.LoadHtml(html);

        // Find the "Last Page" link at bottom of page
        var lastPageLink = document.DocumentNode.Descendants("a").First(x => x.Attributes["href"].Value.Contains("&amp;threadage=-1&amp;pageitems=30&amp;pagenumber=")).InnerHtml;

        // Print out the pagenumber value
        Console.WriteLine(lastPageLink);
    }
}).Wait(1000);

但是，我的代码没有打印任何东西，所以我想知道我在这里做错了什么。我没有收到任何错误。我基本上试图找到所有 links（a-tag），我查看它们的 "href" 值，看看它是否包含“&threadage=-1&pageitems=30&pagenumber=”。如果是，它应该 select 它的 html 代码。

所以现在，我要打印我的代码：http://forum.tibia.com/forum/?action=board&boardid=25&threadage=-1&pageitems=30&pagenumber=974

然后我可以继续使用 Regex 或其他东西，以获得“974”。

url包含"board&boardid=25&threadage=-1"很重要，因为还有其他link里面有"Last Page"值

Answer 1

var lastPageLink = document.DocumentNode.Descendants("a").First(x => x.Attributes["href"] != null && x.Attributes["href"].Value.Contains("&amp;threadage=-1&amp;pageitems=30&amp;pagenumber=")).Attributes["href"].Value;

两个变化，

我在 lambda 语句的前面添加了 x.Attributes["href"] != null && 以防止 NullReferenceException 当 link 没有 href 属性时。
将 .InnerHtml 切换为 .Attributes["href"].Value 以打印 URL 而不是 Last Page。

正在解析

var matchingString = "&amp;threadage=-1&amp;pageitems=30&amp;pagenumber=";
var start = lastPageLink.IndexOf(matchingString) + matchingString.Length;
var end = lastPageLink.Length - start;
var pageNumber = lastPageLink.IndexOf(matchingString) >= 0 ? lastPageLink.Substring(start, end) : "Unknown";
Console.WriteLine("Page #: " + pageNumber);

应该可以满足您的需求。我不知道正则表达式，所以如果你想使用它，你必须自己弄清楚。

注意：我假设页码将是最后一个 url 参数，但这并不总是正确的。因此，如果您使用此代码的目的不仅仅是短期使用，我会相应地对其进行调整。

如何从网页中的 link 中读取 url 参数的内容？

How can I read the content of a url parameter from a link in a webpage?

html

c#

parsing

console-application

html-agility-pack